src/PdfEncoder.Infrastructure/Llm/DocumentContextTextBuilder.cs - master - afanasevn/PdfEncoder

src/PdfEncoder.Infrastructure/Llm/DocumentContextTextBuilder.cs

56 строк2 KB

IBS\NAfanasev

Parse results functional update

07 июл 2026, 00:06

07 июл 2026, 00:068e97443

using System.Text;
using PdfEncoder.Domain.Models;

namespace PdfEncoder.Infrastructure.Llm;

/// <summary>
/// Сборка плоского текста страниц из <see cref="DocumentContext"/> для LLM-промптов.
/// </summary>
public static class DocumentContextTextBuilder
{
    /// <summary>
    /// Объединяет text blocks всех страниц контекста в один текст.
    /// </summary>
    /// <param name="context">Контекст документа.</param>
    public static string BuildPageText(DocumentContext context)
    {
        var builder = new StringBuilder();
        foreach (var page in context.Pages.OrderBy(page => page.PageNumber))
        {
            builder.AppendLine($"[page {page.PageNumber}]");
            foreach (var block in page.TextBlocks)
            {
                builder.AppendLine(block.Text);
            }
        }

        return builder.ToString().Trim();
    }

    /// <summary>
    /// Обрезает текст до указанного числа символов для компактного LLM-промпта.
    /// </summary>
    /// <param name="text">Исходный текст.</param>
    /// <param name="maxLength">Максимальная длина.</param>
    public static string TruncateText(
        string text,
        int maxLength)
    {
        if (string.IsNullOrEmpty(text) || text.Length <= maxLength)
        {
            return text;
        }

        return text[..maxLength].TrimEnd();
    }

    /// <summary>
    /// True, если в контексте есть хотя бы один непустой text block.
    /// </summary>
    /// <param name="context">Контекст документа.</param>
    public static bool HasExtractableText(DocumentContext context)
    {
        return context.Pages.Any(page =>
            page.TextBlocks.Any(block => !string.IsNullOrWhiteSpace(block.Text)));
    }
}